MétaCan
Menu
Retour à la cohorte
Enregistrement W7017163985

Approches primales et duales pour l'énumération des chambres d'un arrangement d'hyperplans réel - Le rapport complet

2025· report· en· W7017163985 sur OpenAlexaff

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2025
Typereport
Langueen
DomaineEngineering
ThématiqueVLSI and FPGA Design Techniques
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHyperplaneMatroidCompleteness (order theory)Cardinality (data modeling)Affine transformationLinear programmingSet (abstract data type)Algebraic numberSemiring
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The hyperplane arrangement problem appears in various theoretical and applied mathematical contexts. This paper focuses on the enumeration of the chambers of an arrangement, a task that most often requires algebraic or numerical computation. Among the recent numerical methods, Rada and Černý's recursive algorithm outperforms previous approches, by relying on a specific tree structure and on linear optimization. This paper presents modifications and improvements to this algorithm. It also introduces a dual approach solely grounded on matroid circuits and its associated concepts of <i>stem vectors</i>, thus reducing or avoiding the need to solve linear optimization problems. Along the way, theoretical properties of arrangements, such as their cardinality and conditions for their symmetry, completeness and connectivity, as well as properties of their various stem vector sets, are recalled or proved with an analytic viewpoint. It is shown, in particular, that the set of the chambers of an affine arrangement is located between those of two related linear arrangements. This leads to compact forms of the algorithms, which solve less subproblems. The proposed methods have been implemented in Julia and their efficiency is assessed on various instances of arrangements; for the best of them, this efficiency manifests itself by speedup ratios in the range [1.72,22.87] with an average value of 9.10.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,243
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetVLSI and FPGA Design TechniquesTravaux en français237 207